論文の概要: Cross-MPI: Cross-scale Stereo for Image Super-Resolution using
Multiplane Images
- arxiv url: http://arxiv.org/abs/2011.14631v2
- Date: Mon, 29 Mar 2021 13:58:19 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-06 14:48:00.116091
- Title: Cross-MPI: Cross-scale Stereo for Image Super-Resolution using
Multiplane Images
- Title(参考訳): クロスMPI:マルチプレーン画像を用いた画像超解像のためのクロススケールステレオ
- Authors: Yuemei Zhou, Gaochang Wu, Ying Fu, Kun Li, Yebin Liu
- Abstract要約: Cross-MPIは、新しい平面対応MPI機構、マルチスケールガイドアップサンプリングモジュール、超高分解能合成・融合モジュールからなるエンドツーエンドのRefSRネットワークである。
デジタル合成および光ズームクロススケールデータによる実験結果から,Cross-MPIフレームワークは既存のRefSR手法よりも優れた性能が得られることが示された。
- 参考スコア(独自算出の注目度): 44.85260985973405
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Various combinations of cameras enrich computational photography, among which
reference-based superresolution (RefSR) plays a critical role in multiscale
imaging systems. However, existing RefSR approaches fail to accomplish
high-fidelity super-resolution under a large resolution gap, e.g., 8x
upscaling, due to the lower consideration of the underlying scene structure. In
this paper, we aim to solve the RefSR problem in actual multiscale camera
systems inspired by multiplane image (MPI) representation. Specifically, we
propose Cross-MPI, an end-to-end RefSR network composed of a novel plane-aware
attention-based MPI mechanism, a multiscale guided upsampling module as well as
a super-resolution (SR) synthesis and fusion module. Instead of using a direct
and exhaustive matching between the cross-scale stereo, the proposed
plane-aware attention mechanism fully utilizes the concealed scene structure
for efficient attention-based correspondence searching. Further combined with a
gentle coarse-to-fine guided upsampling strategy, the proposed Cross-MPI can
achieve a robust and accurate detail transmission. Experimental results on both
digitally synthesized and optical zoom cross-scale data show that the Cross-MPI
framework can achieve superior performance against the existing RefSR methods
and is a real fit for actual multiscale camera systems even with large-scale
differences.
- Abstract(参考訳): 様々なカメラの組み合わせは、参照ベースのスーパーレゾリューション(refsr)がマルチスケールイメージングシステムにおいて重要な役割を果たす計算写真を強化する。
しかし、既存のRefSRアプローチは、例えば8倍のアップスケーリングのような大きな解像度ギャップの下で高忠実度超解を達成できない。
本稿では,マルチプレーン画像(MPI)表現にインスパイアされた実際のマルチスケールカメラシステムにおけるRefSR問題を解決することを目的とする。
具体的には、新しい平面認識型MPI機構、マルチスケールガイドアップサンプリングモジュール、超高分解能(SR)合成および融合モジュールからなるエンドツーエンドのRefSRネットワークであるCross-MPIを提案する。
平面認識型アテンション機構は,クロススケールステレオ間の直接的かつ徹底的なマッチングを利用する代わりに,隠れたシーン構造を有効活用し,効率的なアテンションベース対応検索を行う。
さらに, 粗さから細かな誘導アップサンプリング戦略と組み合わせることで, 提案するクロスmpiはロバストで高精度なディテール伝送を実現することができる。
デジタル合成および光ズームクロススケールデータによる実験結果から,Cross-MPIフレームワークは既存のRefSR方式よりも優れた性能を達成でき,大規模な差があっても実際のマルチスケールカメラシステムに適していることが示された。
関連論文リスト
- QMambaBSR: Burst Image Super-Resolution with Query State Space Model [55.56075874424194]
バースト超解像度は、複数のバースト低解像度フレームからサブピクセル情報を融合することにより、高画質でよりリッチな細部で高解像度の画像を再構成することを目的としている。
BusrtSRにおいて鍵となる課題は、高周波ノイズ障害を同時に抑制しつつ、ベースフレームの補完的なサブピクセルの詳細を抽出することである。
本稿では,Query State Space Model (QSSM) とAdaptive Up-Sampling Module (AdaUp) を組み合わせた新しいQuery Mamba Burst Super-Resolution (QMambaBSR) ネットワークを紹介する。
論文 参考訳(メタデータ) (2024-08-16T11:15:29Z) - Deep 3D World Models for Multi-Image Super-Resolution Beyond Optical
Flow [27.31768206943397]
マルチイメージ・スーパーレゾリューション(MISR)は、複数の画像を組み合わせることで、低解像度(LR)取得の空間分解能を高めることができる。
提案したモデルであるEpiMISRは,光学的流れから離れ,取得過程のエピポーラ幾何学を明示的に用いている。
論文 参考訳(メタデータ) (2024-01-30T12:55:49Z) - Multi-Depth Branch Network for Efficient Image Super-Resolution [12.042706918188566]
超解像(SR)における長年の課題は、低解像(LR)の高頻度細部を効率的に拡張する方法である。
MDBM(Multi-Depth Branch Module)を特徴とする非対称SRアーキテクチャを提案する。
MDBMには異なる深さの枝があり、高い周波数と低周波の情報を同時に、効率的に捉えるように設計されている。
論文 参考訳(メタデータ) (2023-09-29T15:46:25Z) - Cross-Spatial Pixel Integration and Cross-Stage Feature Fusion Based
Transformer Network for Remote Sensing Image Super-Resolution [13.894645293832044]
変換器を用いたモデルでは、リモートセンシング画像超解像(RSISR)の競合性能が示されている。
本稿では,RSISRのための新しいトランスアーキテクチャであるCross-Spatial Pixel IntegrationとCross-Stage Feature Fusion Based Transformer Network (SPIFFNet)を提案する。
提案手法は,画像全体のグローバル認知と理解を効果的に促進し,機能統合の効率化を図っている。
論文 参考訳(メタデータ) (2023-07-06T13:19:06Z) - Cross-View Hierarchy Network for Stereo Image Super-Resolution [14.574538513341277]
ステレオ画像スーパーレゾリューションは、ビュー間の相補的な情報を活用することにより、高解像度ステレオ画像ペアの品質を向上させることを目的としている。
ステレオ画像超解法(CVHSSR)のためのクロスビュー階層ネットワーク(Cross-View-Hierarchy Network)という新しい手法を提案する。
CVHSSRは、パラメータを減らしながら、他の最先端手法よりも最高のステレオ画像超解像性能を達成する。
論文 参考訳(メタデータ) (2023-04-13T03:11:30Z) - MASA-SR: Matching Acceleration and Spatial Adaptation for
Reference-Based Image Super-Resolution [74.24676600271253]
本稿では、RefSRのためのMASAネットワークを提案し、これらの問題に対処するために2つの新しいモジュールを設計する。
提案したMatch & extract Moduleは、粗大な対応マッチング方式により計算コストを大幅に削減する。
空間適応モジュールは、LR画像とRef画像の分布の差を学習し、Ref特徴の分布を空間適応的にLR特徴の分布に再マップする。
論文 参考訳(メタデータ) (2021-06-04T07:15:32Z) - High-resolution Depth Maps Imaging via Attention-based Hierarchical
Multi-modal Fusion [84.24973877109181]
誘導DSRのための新しい注意に基づく階層型マルチモーダル融合ネットワークを提案する。
本手法は,再現精度,動作速度,メモリ効率の点で最先端手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2021-04-04T03:28:33Z) - Deep Burst Super-Resolution [165.90445859851448]
バースト超解像タスクのための新しいアーキテクチャを提案する。
我々のネットワークは複数のノイズRAW画像を入力として取り出し、出力として分解された超解像RGB画像を生成する。
実世界のデータのトレーニングと評価を可能にするため,BurstSRデータセットも導入する。
論文 参考訳(メタデータ) (2021-01-26T18:57:21Z) - Boosting Image Super-Resolution Via Fusion of Complementary Information
Captured by Multi-Modal Sensors [21.264746234523678]
イメージスーパーレゾリューション(sr)は、低解像度光センサの画質を向上させる有望な技術である。
本稿では,安価なチャネル(可視・深度)からの補完情報を活用して,少ないパラメータを用いて高価なチャネル(熱)の画像品質を向上させる。
論文 参考訳(メタデータ) (2020-12-07T02:15:28Z) - DDet: Dual-path Dynamic Enhancement Network for Real-World Image
Super-Resolution [69.2432352477966]
実画像超解像(Real-SR)は、実世界の高分解能画像(HR)と低分解能画像(LR)の関係に焦点を当てている。
本稿では,Real-SRのためのデュアルパス動的拡張ネットワーク(DDet)を提案する。
特徴表現のための大規模な畳み込みブロックを積み重ねる従来の手法とは異なり、非一貫性のある画像対を研究するためのコンテンツ認識フレームワークを導入する。
論文 参考訳(メタデータ) (2020-02-25T18:24:51Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。